地球与环境

计算流体力学

大规模CFD风场模拟数据集，含12000+案例，用于训练地形信息机器学习模型以重建精细尺度3D风场。数据集采用 ERA5 真实大气边界层驱动 CFD，输出 3D 风速/湍流强度场，专为地形风力评估机器学习模型设计。

计算流体力学

大规模CFD生成的风场模拟数据集，包含超过12,000个案例，专为训练和评估地形信息机器学习风场重建模型FuXi-CFD而构建。可作为物理 AI 训练数据生成器与代理模型验证基线，是 CAE 工业链路的常用底层。

水文数据

摩洛哥Ait Melloul水文站1970至2024年日平均流量数据集，来源于摩洛哥开放数据门户，包含34行记录，以ML-ready Parquet格式提供。提供日平均流量长期记录，可用于训练水文预报代理模型或评估极端事件风险。

神经算子/Neural Operator

基于球面傅里叶变换的神经算子模型（Spectral球面调参工具），用全局谱卷积替代网格卷积，处理球面几何数据上的偏微分方程学习任务，适用于气候、气象、全球大气模拟等场景。

流体/CFD

NVIDIA Earth-2利用AI大气模型与观测数据集成，为能源等天气敏感行业提供高分辨率天气预报与决策支持服务。

地球物理/Geophysics

NVIDIA Earth-2 平台面向能源等气象敏感行业，整合观测数据与 AI 驱动的大气模拟，实现实时气象决策支持。

气象 / 大规模物理预测

基于图神经网络的中期天气预报模型，在多项指标上超过传统数值预报，且单次预测在分钟级完成，是物理 AI 替代高成本数值模式的代表案例。分钟级推理时间显著低于传统数值模式，是 AI 替代高成本数值预报的代表性案例。

地球物理 / 反问题

洛斯阿拉莫斯国家实验室发布的地震全波形反演（FWI）大规模基准，12 套数据集共 2.1TB，用数据驱动方法从地震记录反演地下速度结构，服务碳封存、油气与地震预警。

Geophysics

提出DD RF-EDNN方法处理非均匀多孔介质中渗透率间断与高对比度条件下的瞬态压力扩散问题。

流体/CFD

提出融合UNet与FNO的物理引导混合架构，结合Sentinel-1/2多模态遥感与浅水方程约束，实现端到端洪水预测。

流体/CFD

针对复杂山地地形的三维风场预测难题，提出基于Transformer的神经算子方法，突破传统CFD依赖专家密集网格生成和高成本迭代求解的瓶颈。

地球物理

基于26.6亿+航空电磁测点数据，利用深度学习概率反演构建澳大利亚浅层地壳电阻率模型，深度达650米，量化不确定性，服务地质、地下水与关键矿产勘查。

地球物理/Geophysics

提出基于集合平滑器的多重数据同化（ES-MDA）三步框架，统一解释现有自适应变体方法，并平衡精度与计算成本。

地球物理

针对三维时域机载电磁数据贝叶斯反演计算成本高昂的问题，开发持续学习的神经算子代理模型替代传统求解器，实现高效反演。

流体/CFD

提出WaveOp-LiteFM轻量化神经算子流匹配方法，解决卫星-雷达降水反演中计算成本与精度不可兼得的难题，适用于大气遥感领域。

电磁/Electromagnetics

提出混合CNN-Transformer架构预测太阳耀斑等级，基于太阳大气磁能释放物理过程，实现C/M/X级耀斑预警。

流体/CFD

系统比较五类深度学习模型在海洋浮标显著波高单变量预测中的表现，并揭示多浮标评估下模型差异极小。